Liquid AI Dévoile Antidoom : la Méthode FTPO Réduit les Blocages dans les Modèles de Reasoning

Liquid AI 7 июля 2026 года открыла исходный код Antidoom — метода борьбы с doom-loops в reasoning-моделях. На модели Qwen3.5-4B частота зависаний сократилась с 22,9% до 1%.

Что такое doom-loop и зачем его чинить

Doom-loop — это когда reasoning-модель начинает повторять одни и те же фрагменты текста в своей цепочке рассуждений, пока не исчерпает всё контекстное окно. Вместо ответа модель «застревает» в петле и не выдаёт результат.

Проблема особенно болезненна для reasoning-моделей, которые «думают вслух» длинными цепочками шагов. Чем длиннее рассуждение, тем выше вероятность повторения: один паттерн попадает в контекст, следующий токен его копирует, и петля замыкается.

Для production-систем doom-loops — это не просто академический казус: они увеличивают задержку ответа и расходуют лишние токены, напрямую повышая стоимость инференса.

Как работает метод FTPO

Antidoom использует подход Final Token Preference Optimization (FTPO). Вместо дорогостоящего переобучения всей модели метод находит конкретный токен, с которого начинается цикл, и корректирует веса только для этой позиции.

Ключевые факты:

• Метод опубликован 7 июля 2026 года под открытой лицензией
• На LFM2.5-2.6B (собственная модель Liquid AI) doom-loops снизились с 10,2% до 1,4%
• На Qwen3.5-4B — с 22,9% до 1%
• В открытом доступе: генератор doom-loops, детектор и FTPO-тренер

Такой точечный подход принципиально отличается от стандартного fine-tuning: меняется только «проблемная» позиция, остальные параметры модели не затрагиваются, что снижает риск регрессий в остальном поведении модели.

Почему открытый код важен

Liquid AI не просто описала метод в статье, а выложила рабочий инструментарий: детектор doom-loops, генератор синтетических примеров для воспроизведения проблемы и сам FTPO-тренер. Это позволяет любой команде, работающей с reasoning-моделями, применить метод к своей модели без ожидания официального фикса от вендора.

Для разработчиков open-source LLM особенно ценен генератор синтетических примеров: он позволяет собрать датасет для воспроизведения проблемы на конкретной архитектуре, даже если в реальных данных doom-loops встречаются редко.

Что это значит

Antidoom закрывает конкретную техническую дыру в reasoning-моделях и делает это открыто — что само по себе нетипично для AI-компании. Если FTPO покажет стабильные результаты на других архитектурах помимо LFM и Qwen, подход может стать стандартным шагом при дообучении reasoning-агентов перед выходом в production.

Частые вопросы

Что такое Final Token Preference Optimization?

FTPO — метод точечного дообучения: вместо оптимизации всей модели он находит конкретный токен, запускающий петлю повторений, и корректирует только его веса. Это быстрее полного fine-tuning и снижает риск нежелательных изменений в остальной части модели.

На каких моделях проверен Antidoom?

Liquid AI протестировала метод на двух моделях: собственной LFM2.5-2.6B (doom-loops снизились с 10,2% до 1,4%) и сторонней Qwen3.5-4B (с 22,9% до 1%). Открытый код позволяет сообществу самостоятельно проверить результаты на других архитектурах.